Tasarım gereği gizlilik ve gizliliği artıran teknolojiler

GDPR'ı Anlamak

Shalini Kurapati, CIPP/E

Co-founder and CEO, Clearbox AI

Genel bakış

  • Tasarım gereği gizlilik
    • Gizliliğe yönelik proaktif sistem yaklaşımı
  • GDPR Madde 25’in özü
  • Gizliliği Artıran Teknolojiler (PETs)
  • Yeni ortaya çıkan PET’ler
GDPR'ı Anlamak

Tasarım ve varsayılan ayarlarla veri koruma

Tasarım gereği

Bir kişinin kağıt üzerinde bazı süreçleri çizmesi.

  • Proaktif sistem yaklaşımı
  • Gizlilik, süreç ve sistemlere gömülüdür

Varsayılan olarak

Ayarları temsil eden çoklu simge illüstrasyonu.

  • Gizlilik öncelikli varsayılan ayarlar, veri minimizasyonu
  • Her ikisi soyut görünebilir; ancak uygulanabilir yollar vardır.
GDPR'ı Anlamak

Gizliliği artıran teknolojiler

PET’ler nedir?

  • Gizliliği korumak veya riskleri önlemek için yazılım/Donanım çözümleri, süreçler, yöntemler veya bilgi

Yaygın PET’ler:

  • Anonimleştirme ve takma ad kullanma
  • Şifreleme
  • Diferansiyel gizlilik (yeni)

Güncel/yeni teknolojiler:

  • Sentetik veri, federated learning
GDPR'ı Anlamak

Sentetik veri

  • Yapay olarak üretilmiş veri

  • Gerçek verinin istatistiksel ve öngörü gücünü korurken gizliliği sağlar

    Tipik bir sentetik veri üretim sürecinin illüstrasyonu.

1 https://www.jpmorgan.com/synthetic-data
GDPR'ı Anlamak

Sentetik veri kullanım alanları

  • Gizliliğin korunması ve veri kalitesinin artırılması
  • Açık inovasyon projeleri, YZ model testleri, veri kum havuzları ve kurumlar arası veri paylaşımı
1 https://www.gartner.com/en/newsroom/press-releases/2022-08-22-gartner-data-analytics-summit-2022-orlando-day-1-highlights
GDPR'ı Anlamak

Federated learning

Federated learning sürecinin görselleştirmesi.

  • Genelde veriler, YZ modellerini eğitmek için dış sunuculara “gider”; gizlilik için güvenli değildir
  • Federated Learning veriyi yerelde tutarak uzak cihazlarda model eğitir
  • Veri yerine model transferi
1 P. Kairouz et al, Advances and Open Problems in Federated Learning, Foundations and Trends in Machine Learning Vol 4 Issue 1, 2021.
GDPR'ı Anlamak

Federated learning örneği

Birden fazla telefonda eğitilen sonraki kelime tahminleyici algoritmasıyla federated learning örneğinin görselleştirmesi.

1 Li, T., Sahu, A. K., Talwalkar, A., & Smith, V. (2020). Federated learning: Challenges, methods, and future directions. IEEE Signal Processing Magazine, 37(3), 50-60.
GDPR'ı Anlamak

Bitirmeden önce

  • Mükemmel bir gizlilik yöntemi veya teknolojisi yoktur
  • Kapsam ve bağlamı düşünün
  • Orantılılık: risk vs. fayda
  • Risk-fayda analizine uygun önlemler
GDPR'ı Anlamak

Hadi pratik yapalım!

GDPR'ı Anlamak

Preparing Video For Download...